Projektek
Három részletes esettanulmány éles rendszerek skálázásáról, AWS/Kubernetes-bevezetésről és vállalati biztonsági monitoringról, valamint saját és ügyfélprojektekről.
Esettanulmány
Nagyléptékű domain-monitoring platform skálázása és stabilizálása

Egy folyamatosan növekvő, éles adatgyűjtő és -monitorozó platform (több százezer figyelt rekord, Python-alapú worker-fleet, PostgreSQL) elkezdett lemaradni a saját ütemezésétől: a várólista-lag órákra nőtt, az API-válaszidők percekig futottak, egy rejtett hiba miatt pedig tömegesen gyűlt a szemétadat.

Kihívás
  • A monitorozási várólista lemaradása rendszeresen 40+ percre nőtt, időnként órákra
  • Az API néhány végpontja worst-case 60 másodpercig futott, cache-stampede miatt
  • Egy szűrő-hiba miatt hónapok alatt ~330 000 hibás rekord és ~15 millió kapcsolódó bejegyzés gyűlt fel
  • A fix worker-flotta nem tudott alkalmazkodni a terhelés ingadozásához
Megoldás
  • Worker-flotta átköltöztetése saját Kubernetes (k3s) clusterre, KEDA queue-depth-alapú autoscaling bevezetése (nem CPU-metrika, hanem valós várólista-mélység alapján)
  • API-teljesítmény optimalizálás: denormalizált adatoszlopok + stale-while-revalidate cache réteg
  • Nagyléptékű adattisztítás FK-constraint drop/rebuild technikával (percek alatt órák helyett)
  • Self-hosted LLM pipeline kiépítése automatizált tartalom-kategorizáláshoz, bérelt GPU-instance-szal felgyorsítva
  • Ütemezési "thundering herd" jelenség feloldása egyszeri jitterezéssel
Eredmény
  • API worst-case válaszidő 60 másodpercről 300 ezredmásodperc alá csökkent
  • Monitorozási lemaradás tartósan 1–3 percre szorult vissza
  • ~330k szemét-rekord és ~15M kapcsolódó bejegyzés végleges eltávolítása, nulla adatvesztéssel az élő rendszerben
  • Kategorizálási feldolgozási idő ~18 napról ~1,7 napra csökkent
  • Teljes szerver-migráció (adatbázis + backend + frontend) ~11 perc állásidővel
60mp → 300ms
API worst-case válaszidő
330k + 15M
eltávolított hibás rekord / bejegyzés
20–45
automatikusan skálázott worker (KEDA)
Esettanulmány
AWS/Kubernetes (EKS) végponttól-végpontig szolgáltatás-bevezetés

Egy vállalati AWS/EKS-alapú rendszerhez új mikroszolgáltatást kellett teljes infrastruktúra-lánccal éles környezetbe vinni, miközben a meglévő PROD→DEV adatszinkronizációs folyamat is órákig tartott és hibára hajlamos volt.

Kihívás
  • Új mikroszolgáltatás bevezetéséhez a teljes AWS-lánc kiépítése kellett nulláról: image-registry, adatbázis, titokkezelés, jogosultságok, cache, hálózat
  • A PROD→DEV adatbázis-frissítés több tíz gigabájtos, sok Kubernetes-workloadot érintő, hibaérzékeny manuális folyamat volt
  • Élesben jelentkező TLS-tanúsítvány hiba és CI/CD pipeline-hiba akadályozta a kiadást
  • Skálázás után elmaradt riasztási küszöb-korrekció, illetve élő Kubernetes CPU-terhelési incidens
Megoldás
  • Végponttól-végpontig AWS/EKS-bevezetés: ECR image-registry, RDS adatbázis-provisioning, 2 Secrets Manager secret, IAM szerepkörök, Redis ACL, Helm-alapú deploy
  • CI/CD pipeline-hiba és élő TLS-tanúsítvány hiba diagnózisa és javítása, Ingress+TLS bekapcsolása
  • Teljes PROD→DEV adatbázis-frissítési folyamat végigvitele: DB-restore, Kubernetes deployment/StatefulSet rollout-ok, keresőindex-újraépítés
  • CloudWatch Logs Insights-alapú Grafana dashboard fejlesztése az alkalmazás-logok átláthatóságához
  • Élő Kubernetes CPU-terhelési incidens diagnózisa és megoldása resource limit / LimitRange bevezetésével
Eredmény
  • Az új mikroszolgáltatás sikeresen élesítve és hiba nélkül ellenőrizve
  • 87 GB-os adatbázis-restore + 17 Kubernetes deployment/StatefulSet rollout + keresőindex-újraépítés, hiba nélkül
  • Kubernetes node CPU-terhelése 67%-ról 13%-ra csökkent, percek alatt
  • Riasztási küszöbök korrigálva, a megfigyelhetőség (observability) helyreállt
87 GB
adatbázis-restore, 17 workload rollout
67% → 13%
Kubernetes node CPU-terhelés
0 hiba
új szolgáltatás bevezetése és a DB-frissítés is hibamentes
Esettanulmány
Vállalati biztonsági monitoring bevezetése és CVE-remediáció

Egy vállalati IT-környezetben nem volt host-alapú behatolásérzékelés (HIDS), a sebezhetőség-kezelés esetleges volt, és egy korábbi monitoring-hiba miatt egy teljes szerver-csoport állapota évekig nem volt ténylegesen ellenőrizve.

Kihívás
  • Nulla host-alapú behatolásérzékelés (HIDS) a szerverflottán
  • Nem volt rendszeres, teljes körű sebezhetőség- (CVE-) audit
  • Egy hibás állapot-lekérdezés miatt a felügyeleti rendszer évekig soha nem jelzett valós hibát egy teljes szerver-csoportnál
  • Plaintext jelszavak CI/CD-változókban és hardkódolt hitelesítő adatok scriptekben
Megoldás
  • Wazuh HIDS bevezetése nulláról: 0→11 aktív agent, verzió-upgrade, heti automatikus riasztás-email, retention policy bevezetése
  • OIDC SSO-integráció 3 vállalati alkalmazáshoz a biztonsági monitoring köré
  • Rendszeres, teljes flottás CVE-audit bevezetése a Wazuh-on keresztül
  • Kritikus biztonsági rések feltárása és javítása (plaintext/hardkódolt hitelesítő adatok eltávolítása)
  • A rejtett monitoring-hiba felderítése és javítása, élő teszttel igazolva
Eredmény
  • High-súlyosságú CVE-találatok egyetlen nap alatt 7769-ről 7280-ra csökkentek (-489), Critical 624→605
  • 0→11 aktív HIDS-agent, teljes flottás lefedettség
  • Egy évekig rejtve maradt "soha nem jelez hibát" monitoring-hiba felderítve és javítva
  • Kritikus hitelesítőadat-expozíció megszüntetve
-489
High-súlyosságú CVE egyetlen nap alatt
0 → 11
aktív HIDS-agent a szerverflottán
3
vállalati alkalmazás OIDC SSO-integrációja
Egyéb projektek
ArcHart Stúdió portfólió archart.hu
Egy 2014-es, Flash-alapú weboldal újratervezése és refaktorálása modern, statikus Astro-technológiára – vizuálisan hű, gyors, mobilbarát megvalósítás.
PromptForgeCloud promptforgecloud.com
Saját felhőalapú platform prompt engineering és AI workflow automatizáláshoz. Önálló fejlesztés és üzemeltetés.
Sentinel – AI infrastruktúra-kezelő
Human-in-the-loop eszköz Docker konténerek kezeléséhez AI javaslatokkal és emberi jóváhagyással. FastAPI + LangChain backend.
Ügyfél IT-infrastruktúra teljes felmérése
Irodai infrastruktúra (virtualizáció, hálózat, backup, tűzfal, VPN, Kubernetes) auditja, AI-vezérelt tudásbázisra épülő üzemeltetési modell bevezetése.
Webalkalmazás biztonsági audit
AI-asszisztált ("vibe coded") webalkalmazás biztonsági felmérése és üzemeltetési struktúra kialakítása ügyfélprojektben.
GitLab major-verzió upgrade
Vállalati GitLab-instance biztonságos, köztes-verziós upgrade-stratégiával – sikertelen lépés esetén percek alatt, adatvesztés nélküli visszaállás snapshot-ból.
Riasztási zaj csökkentése monitoring-flottán
Fix küszöbértékű CPU-riasztások lecserélése dinamikus, magszám-arányos formulára ~10 szerveren; egy évekig rejtve maradt "soha nem riaszt" monitoring-hiba felderítése és javítása.
Prometheus + Grafana + Loki stack
30+ webszerver (WordPress/Apache) teljes körű monitorozása: metrikák, logok, riasztások.
Ansible + Semaphore automatizálás
Infrastruktúra-automatizálás playbook-okkal, S3/MinIO backup rendszerrel és MD5 ellenőrzéssel.
Coolify self-hosted szerverfarm
Docker-alapú alkalmazások deployolása és menedzsmentje Coolify platformon, WireGuard VPN-nel.
KözRöhögés – webes adatgyűjtő platform
Playwright-alapú böngészőautomatizálás emberszerű viselkedésszimulációval (gépelési delay, typo, idle profilok). TOTP/2FA kezelés, AI-alapú hibaelemzés (DeepSeek), session logging, Docker deployment. AI-asszisztált (vibe coding) fejlesztés.